マルチスケール残差ネットワークに基づくハイパースペクトル画像分類【JST・京大機械翻訳】

Zhang Xiangdong; Wang Tengjun; Yang Yun

プレプリント

J-GLOBAL ID：202202213455753153 整理番号：22P0139435

マルチスケール残差ネットワークに基づくハイパースペクトル画像分類【JST・京大機械翻訳】

Hyperspectral Images Classification Based on Multi-scale Residual Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年04月26日プレプリントサーバーでの情報更新日： 2020年05月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ハイパースペクトルリモートセンシング画像は大量の冗長情報を含み,データ構造は高度に非線形であり,従来の機械学習法の低い分類精度をもたらす。最新の研究は,深い畳込みニューラルネットワークに基づくハイパースペクトル画像分類が高精度を有することを示した。しかしながら,訓練のために少量のデータが使用されるとき,深層学習法の分類精度は大いに減少する。ハイパースペクトル画像の小型サンプルに関する既存のアルゴリズムの低い分類精度の問題を解決するために,マルチスケール残差ネットワークを提案した。空間およびスペクトル特徴のマルチスケール抽出および融合を,分岐構造を残差ブロックに追加し,分岐における異なるサイズの畳み込みカーネルを用いて実現した。ハイパースペクトル画像に含まれる空間およびスペクトル情報を完全に利用して分類精度を改善した。さらに,速度を改善し,過剰適合を防ぐために,モデルは動的学習速度,BNおよびDropout戦略を使用する。実験結果は,この方法の全体的分類精度が,インドピンとパビア大学のデータセットにおいて,それぞれ99.07%と99.96%であり,他のアルゴリズムより良いことを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, ,

前のページに戻る